母體平均數

之估計
1
一、估計
 研究的基本目的之一是進行比較：「某組是否不
同於另一組？」具體而言，我們可能會面臨這樣
的問題：「中年男性族群血中膽固醇的平均數為
何？」「是否不同於婦女族群？」「是否不同於
其他年齡層男性族群？」「目前的水準和十年前
有何不同？」「美國每個家庭平均有幾個小
孩？」「喝含氟飲水和不含氟飲水的小孩平均齲
齒數有何不同？」「慢跑者和非慢跑者的氧氣攝
取量有何不同？」
 以上都是一些非常典型的問題，可以採用古典統
計推論──估計（ estimation ）和假說檢定
（ hypothesis testing ）得到回答。 2
 對於母體的參數未知時，通常是利用樣本的統計量來
估計。一般而言，我們欲估計母體某變項的平均數和
標準差，而統計推論目的就是要從收集到資料中下結
論，及有多少機率支持這個結論。之後便可以決定我
們觀察到事件的確存在或只是偶發事件。本單元先介
紹估計，在下個單元將會介紹假說檢定。

 估計和假說檢定都可處理單一母體和兩個母體參數的
問題，後者（假說檢定）是較普通，前者（估計）也
常被使用。可以下面兩個方法作估計：（ 1 ）估計實
驗組和對照組平均數的差，或（ 2 ）估計同一群人治
療前和治療後平均數的差。

3
 在第一個情況是處理來自兩個不同母體的隨
機樣本；第二個情況是兩個樣本為來自同一
樣本治療前和治療後。因此，第一種情況的
兩組樣本觀察值為獨立，第二種情況的樣本
觀察值為不獨立，因為他們來自相同的樣本
但觀察時間不同。這兩種情況有不同的估程
序，所以分開介紹。

4
二、點估計與信賴區間
 對母體參數作估計包括兩部份：點估計（ point
estimate ）和信賴區間（ confidence interval ）的
估計。
 母體平均數 μ 的點估計（ point estimate ）為母
體中隨機樣本的樣本平均數，同樣的，母體的標
準差 σ 的點估計為樣本的標準差 s 。舉例來說，
以最大氧氣攝取量（ VO2 ）測量慢跑者的健康
狀況，顯示對慢跑者 VO2 的的點估計為 =47.5
毫升／公斤。因為是一個統計量，這個點估計會
隨著樣本的不同而改變。如果重覆多次實驗，便
可得到很多，每個均可成為母體參數的點估計。 5
 點估計的缺點無法以機率說明點估計與母體
參數有接近；這個缺點卻可以信賴區間
（ confidence interval, CI ）來補救，給予一
段區間，有多少信心欲估計的母體參數會落
於此區間內。信賴區間可估計未知數 μ ，並
提供一個誤差範圍來標示此估計好壞的程度。
信賴區間主要是利用 Z 分數推導出一個公式
，在一特定機率下此區間包含母體平均數
μ 。便很有信心的知道有 95% 的樣本平均將
落在母體平均數 ±1.96 個標韋準差範圍內，
以 Z 分數作簡單代數得到下面公式：
6
 x −µ
P（− 1.96 ≤ ≤ 1.96）= .95(公式1)
σ/ n

將公式 1 經由簡單的演算便會得到公式 2 ，首先乘上

σ/√n ：
σ σ
P（− 1.96 ≤ x − µ ≤ 1.96 ）= .95
n n

再乘上 -1 ：
σ σ
P（1.96 ≥ x − µ ≥ −1.96 ）= .95
n n
7
最後加上 x ：

σ σ
P（x + 1.96 ≥ µ ≥ x − 1.96 ）= .95
n n

為方便使用，將不等號反轉，得結果為：

σ σ
P（x − 1.96 ≤ µ ≤ x + 1.96 ）= .95（公式2)
n n

8
 重覆抽樣，預期（機率為 .95 ）欲估計的母體
平均數 µ 將落在 -1.96(σ/√n) 和 +1.96(σ/√n) 的
範圍內。此區間稱為母體平均數之 95% 信賴
區間（ 95% confidence interval ），通常表示
：
σ
µ 之（公式3)
95%CI = x ± 1.96
n

 也可以代入不同機率，如 99% 的信賴區間為

：
σ
µ 之（公式4)
99%CI = x ± 2.576
n
9
 上面的信賴區間公式並不是常常被使用，因為
σ 通常是不知道的。所以當 σ 未知時，則以樣
本標準差 s 取代。如同公式 6.3 和 6.4 ，只是以
t 值（ n-1 自由度）代替 Z 值，因此當只有 s 為
已知（ σ 未知）時，信賴區間為：

s
µ 之（1 − α）
100%CI = x ± t （公式5)
n

 其中
ts/√n 為信賴區間的誤差界限值及測量樣
本統計量的誤差情形。
10
 範例 1
樣本數為 25 ，想估計母體慢跑者 VO2 攝取量
的平均數，可以利用 μ 的 95% 信賴區間。已
知 =47.5 毫升／公斤和 s=4.8 ，查表 B 之 t 分
佈的 95% 和 df=24 之 t 值為 2.064 ，因此 95%
信賴區間為 ：
s
µ 之95%CI = x ± 2.064
n
4.8
= 47.5 ± 2.064
25
= 47.5±1.98
= （ 45.5 , 11

49.5 ）
 結果：在重覆多次的實驗中，預期 95% 的機率母體平
均數 µ 會落在， -2.064(s/√n) 和 +2.064(s/√n) 間。 45.5
和 49.5 為信賴界限（ confidence limit ）的下限和上限
， 45.5 到 49.5 毫升／公斤便是 95% 信賴區間。注意
信賴區間可因不同的機率而有所改變，但母體平均數
是不變的。
 信賴區間為一範圍，有 95% 的機率涵蓋母體平均數，
儘管如此，仍有 5% 的機率會沒有涵蓋到 µ ，即似有
2.5% 的機率可能落在 Z=1.96 以上的位置（或 Z=-1.96
以下），即利用 Z.975=1.96 和 Z.025= -1.96 計算信賴
區間的上限和下限。

12
 必須釐清的是：此區間稱為信賴區間（ confidence
interval ），而不叫機率區間（ probability interval ），雖
然信賴區間是以樣本資料及涵蓋母體參數的機率來計算。
但在求得特定信賴界限後，此區間含蓋 µ 之事後機率
（ posteriori probability ）便固定。 95% 信賴區間是重覆
實驗， 95% 信心母體平均數會落在此範圍。
 在範例 1 中，不能說 µ 落在 45.5 到 49.5 毫升／公斤之間
的機率為 95% ，因為 µ 只可能落在或不落在這範圍內。
因為區間一旦固定，便不會考慮隨機性和發生機率的問
題了。
 95% 信賴區間是應用最多， 99% 信賴區間也常被用到，
至於其他百分比的信賴區間則較少被利用。

13
三、兩個獨立樣本
 接下來是將單樣本問題延伸到雙樣本的問題
，設仍以 VO2 攝取量比較慢跑者和非慢跑者
的身體狀況兩個獨立樣本（ two
independent samples ），首先計算出兩組人
的 VO2 攝取量平均數之差x x 1- x2 ，x 1- 2 是
µ1 − µ2
兩個母體平均數之差 之點估計，
就像計算單樣本平均數的信賴區間一樣，也
可以計算這兩個平均數差的信賴區間。

14
 從中央極限定理中，數理統計家已證明 為常態分佈，且
其平均數為 μ1-μ2 和變異數為 σ12/n1+σ22/n2 ，其平方根為兩
平均數的差異之標準差（ standard error of the
difference ），常表示成：

σ 12 σ 22
SE（x1 − x2）= + （公式6)
n1 n2
因 1和 2 均為常態分佈，其變異數分別為
x x
σ12/n1+σ22/n2 ，但 1和 2 差異之變異卻是兩個別變異
x x
數的總和。再仔細想一想，只有個別變異數對 1- 2 變
x x
異數估計幫助尚不夠，需計算 Z 分數，公式則為：

( x1 − x2 ) − ( µ1 − µ 2 )
Z= （公式7)
σ 1 / n1 + σ 2 / n2
2 2
15
 在許多情況下，常會比較處置組和非處置組
某變項有沒有差異，因為實驗組和對照組均
來自相同的母體，便可設定 σ12=σ22 ，因此公
式 7 簡化為：
( x1 − x2 ) − ( µ1 − µ 2 )
Z= （公式8)
σ 1 / n1 + 1 / n2
 如同前面所說， σ2 很少為已知，所以利用樣
本變異數估計 σ2 ，再從常態分佈轉換為 t 分
佈，在一些情況下，實際上得到兩個不同 σ2
估計──即 s12 和 s22 。
16
 比較安全的方法是兩者都是變異數 σ2 之點估計，
便可綜合這兩個樣本變異數，得到綜合標準差
（ pooled standard deviation ） sp ，一個較佳的
σ2 估計（因為樣本數增大），即 s12 和 s22 加權後
平均稱為綜合樣本變異數（ pooled sample
variance ）：

 公式 9 為二個樣本的平方和除上自由度的和， sP2
為 σ2 的不偏估計。計算 sP2 後，開平方根便得到
sp ，再以 sp 來計算
( x1 − x2t) 分數
− ( µ1 −(µ自由度為
2)
n1+n2-2) ：
t= （公式10)
S p 1 / n1 + 1 / n2
17
四、兩個平均數差之信賴區
間
 估計兩母體平均數之差後，下一步便是建立
此差異之信賴區間 x x1- 2 為母體平均數差異
的點估計，其信賴區間公式：
（x − x ）−（µ1 − µ 2）
P（− 1.96 ≤ 1 2 ≤ 1.96）= .95（公式11）
σ1 σ 2
2 2
+
n1 n2

 如同公式 2 ，可以推導出 95% 信賴區間的公

式如下：
σ 12 σ 22
µ1 − µ 2之95%CI = x1 − x2 ± 1.96（ + ） （公式12) 18
n1 n2
 當 σ 未知時，信賴區間之一般式為：

1 1
µ1 − µ2之（1 − α）
100 %CI = x1 − x2 ± t（S p + ） （公式13)
n1 n2

 利用 t 分數計算信賴區間，其中 t 分佈 t 值為（ n1+n2-

2 ） df 中間佔有分百（ 1-α ）的面積。

 這些公式（公式 5 和 13 ）都是假設樣本為隨機抽樣而
來，假如樣本不是隨機產生，公式 5 及 13 的結果也會
不對。由於極端值會直接影響 ，進而影響信賴的程度
，因此，在計算信賴區間時應先將極端值移除。

19
 範例 2
以最大 VO2 攝取量平均數評估慢跑者及非慢
跑者之身體狀況，隨機抽樣 25 名慢跑者，
x
1=47.5 毫升／公斤和 s1=4.8 ，以及 26 名
x
非慢跑者， 2=37.5 毫升／公斤和 s2=5.1 。
計算信賴區間，估計真實差異 μ1-μ2 的大小。
若要計算 99% 信賴區間，從表 B 查出 t 值，
當 1-α=.99 之雙尾（ two-sided ）機率，在這
個例子中實際自由度為 49 ，從表 B 中最接近
的是自由度等於 50 ，其 t 值則為 2.678 。
20
 要求出信賴區間，得先計算 Sp ，可利用公式
9 計算。

s12 (n1 − 1) + s22 (n2 − 1)

Sp =
n1 + n2 − 2

4.82 (24) + 5.12 (25)

=
25 + 26 − 2

1203.21
= = 24.56 = 4.96
49

21
 接下來計算信賴區間：

1 1
（µ1 − µ2）之99%CI = x1 − x2 ±t.005（S p + ）
n1 n2

1 1
= 47.5 − 37.5 ± 2.678(4.96) +
25 26

= 10±3.721
= （ 6.28 , 13.72 ）

22
 因此，針對慢跑者和非慢跑者的 VO2 攝取量樣本平
均數之差異 99% 信賴區間為 6.28 毫升／公斤和
13.72 毫升／公斤之間，而 μ1-μ2 的點估計為 10.0 毫
升／公斤。因兩個信賴界限均為正數，不包含零，
表示此兩組的確有差異，慢跑者的 VO2 攝取量高於
非慢跑者，這和 t 檢定的結果為一致的。
 相同的例子，從相同母體選出更多的樣本，將會有
不同的平均數，不同的標準差，和不同的信賴區間。
平均而言，仍可獲得 99% 的機率可包含真正的差值
μ1-μ2 ，只有 1% 的機率不包含。

23
 圖 1 為抽樣 50 次吸菸者和非吸菸者收縮壓平均數之差異
的 99% 信賴區間，已知真正 μ1-μ2 值為： 131.89 －
129.05=2.84 ，因此可以判斷有多少個信賴區間確實包含
其值 μ1-μ2=2.84 ，發現第 24 個信賴區間不包含 2.84 ，在
50 個樣本中有 1 個，佔 2%── 稍為高出預期的 1% ，無
論如何，若以更多的樣本來預估，結果則會更接近 1% 。

 狹窄的信賴區間對於母體參數的估計比較好，因為錯
誤程度較小。這促使我們儘可能獲得較狹窄的信賴區
間。對於單一母體平均數的信賴區間為
±Z （ σ/√n ），區間的寬度直接受到樣本數、 Z 分數
和標準差的影響。

24
圖1 50 個樣本數均為 25 的非吸菸者和吸菸者之樣本，
25
其收縮壓差異 μ1-μ2 之 99% 信賴區間
 要使信賴區間的變窄，可

1. 增加樣本數
2. 減少信賴程度（可將 99% 信賴度 Z=2.58 ，
以 95% 信賴度 Z=1.96 替代）
3. 藉由減少測量誤差來增加精確度，製造出
較小的變異量。

 在表 1 列出的母體平均數 μ 和兩母體平均數之差
之信賴區間公式。

26
 27

表1 25 位 30-40 歲成為慢跑者前和之後的最大氧氣攝取量
數值
五、配對 t 檢定
 在許多研究中，實驗組本身即為對照組，這
是一種相當不錯的比較方式，因為可以減少
外來的因素所造成的變異量，兩個獨立樣本
平均數之差的變異量常常會因外來因素而比
較大因此將實驗組本身當做對照組便可以減
少變異量及得到較小的標準誤，進而獲得一
個較狹窄的信賴區間。

28
 但這個方式是有代價的，首先因為兩個樣本都作在相
同項目測量，將會喪失其獨立性，第二，使用這兩個
獨立樣本，將會損失將近一半的自由度。自由度減少
， t 值則會變大，導致信賴區間會變寬。所以在實驗設
計時，將優缺點列入考慮，才可以知道──兩個獨立樣
本，或配對 t 檢定──較具效益。
 配對 t 檢定絕對不可以兩個獨立樣本來處理，即統計上
可視為只有一個樣本的問題，所以計算信賴區間也視
為單一母體平均數的問題。在計算配對 t 檢定的程序中
，將單一樣本的資料相減，得到成對的觀察值，便可
用單一樣本方式來處理。

29
 範例 3
為判斷慢跑可否改善身體狀況，研究人員測量受檢
者慢跑前和 6 個月後的最大 VO2 攝取量。表 6.1 所
列出 25 名隨機抽樣的慢跑者 VO2 攝取量，慢跑前（
x ）和慢跑後（ x’ ）之數值，其相差為 d= x’-x ，差
異平均數 d 為 12.42 及 Sd 為 1.57 ，為母體的參數 δ
和 之點估計， δ （ delta ）表示母體觀察值之差異
的平均數。可利用經過一段時間後 VO2 攝取量的改
變值來檢定慢跑是否可改善身體狀況，便可計算單
一樣本的信賴區間（自由度 df = n-1 = 24 ， n 為成
對數）， s 1.57
δ之99%CI = d ± t.005 d = 12.42 ± 2.797 ± = 12.42 ± 0.88
n 25
= （ 11.54 , 13.30 ）
30
 δ 的樣本估計， =12.42 ，表示 VO2 攝取量在慢跑後增
d
加。 99% 信賴區間示增加數值不低於 11.54 毫升／公斤且
不高於 13.30 毫升／公斤，因為零（即慢跑前平均數等於
慢跑者平均數）不在此區間內，故可得結論：經過六個月
的慢跑，以 VO2 攝取量測量，可以改善身體狀況。

 配對 t 檢定為處理非獨立樣本方法之一，其他實驗，包括
雙胞胎研究、同性的兄弟或姐妹研究、多胞胎動物研究和
相同特徵的配對研究（如年齡、種族、性別和相同的健康
狀況），因為資料為成對的，所以稱為配對 t 檢定。

31
六、樣本數的計算
 現代科學家在日常生活中，不再只接觸處理
資料和執行電腦程式而已，統計學家也是提
供資訊者──協助科學家、行政主管，及對統
計不熟悉者。統計學家必須對於這許許多多
的問題提供答案，最常問到是「需要多大的
樣本數才能得到一個有統計意義的結果？」

32
 這是一個困難的問題，類似問「我們需要得
幾分才能贏得棒球賽？」對於一場球賽，在
沒有資訊協助是無法回答這個問題，所以必
須先要問一些問題來幫助解答，「得分是多
少？怎樣計分？誰在打擊位置？多少人出局
？」相同地，若考慮樣本數，亦要問「在估
計母體平均數時，多少誤差是可接受的？信
賴程度訂為多少？觀察值的變異情形是多少
？」在以上問題都獲得答案後，便可計算樣
本數大小。

33
 用以下計算式，得到樣本數 n 之解：

x−µ
Z= （公式14)
σ/ n
將上式重新改寫： d
Z=
σ/ n
d= -μ ，為實際得分和母體平均數差距的測量
x
值，換個角度，則為此估計須在母體平均數 d
個單位內。 n 為：

Zσ 2
n=( )（公式15)
d 34
 範例 4
若想估計母體膽固醇平均數，估計值和真正平均數
差異在 10mg/dl 內，已知 σ=20 ，且 和 μ 相差
x
10mg/dl 在 95% 信賴度，所以可以求得樣本數為：

n=
[ (1.96)(20)]
= 15.36
2

因為有小數的樣本是不合適的，所以可以將小數無
2
10
條件進位成為整數 16 。若 σ 未知時，可以估計值 s
替代和使用 t 分佈。

35
 在實驗前先決定樣本數是明智的作法，因為也許只有 10 隻
老鼠的經費，但卻需要 16 名樣本才能達統計顯著性，則樣
本數只有 10 則是不可行的。相反地，運用統計知識和方法
幫助節省研究資源，若 16 名實驗者已足夠了，卻選擇了 30
名實驗者將不符合成本效益的，也造成浪費。

 公式 15 是估計樣本數最簡單的方法，在下一章會介紹其他
方法，將是略為複雜的估計，對於這些估計方法，如何使
用這些方法，給研究者一個重要建議：請諮詢統計學家以
便決定樣本數。

36
總 結

母體參數的點估計好比是「最佳的推測」。而
信賴區間為某機率下可涵蓋母體參數的範圍。母體
平均數之差異估計可利用二種方法：運用兩個獨立
樣本，或藉由同一樣本實驗前和實驗後的資料。
統計學家最困難和最普遍被諮問的問題是：「樣本
需要多大？」這答案非常容易也非常困難，容易的
地方是運用公式便可計算出來；困難的是選擇正確
的數值放入公式。

37
 顯著性檢定

38
一、定義
在詳細說明顯著性檢定的程序之前，先介紹一
些名詞的定義，能對下面單元瞭解有幫助。

 假說（hypothesis ）。對母體數值的評估做一
個簡短陳述。
 虛無假說（ null hypothesis ）。 H ，設定母
o
體平均數 μ 和假說的數值 μ0 之間沒有差異。
 對立假設（ alternative hypothesis ）。 H1 ， μ
不等於 μ0 ，不同意虛無假說。當 Ho 被翻，很
自然便是接受對立假說。 39
 檢定統計量（
test statistic ）。用來決定一樣本
平均值在樣本平均數機率分佈的相對位置。

 臨界值（ critical region ）。在分佈的末端區域

，若只有牽涉到分佈的一末端，適用於單尾檢定
（ one –tailed test ）；若牽涉到分佈的兩個末端
適用於雙尾檢定（ two-tailed test ）。當計算得
之 Z 值落到臨界域時，則拒絕虛無假說，臨界域
有時也被稱為拒絕域（ rejection region ）。

40
 顯著水平（significant level ）。對應臨界域的一水
平值，常以 α 表示。這個通常很小，它意味檢定統
計量落在此區域是很罕見的；因此這樣的情況視為
不尋常的或統計上具顯著意義。當檢定統計量落在
此面積時，表示這個結果達 α 的顯著意義。

 p 值（ p value ）。當虛無假說為真時，超越檢定統
計量的值之分佈上尾端（單尾或雙尾）之面積。即
當 Ho 為真時，出現檢定統計量值，或是更極端值的
機率，以 p 表示。

41
 非拒絕域（ nonrejection region ）。抽樣分佈中不包
含 α 的區域，即位於曲線中間部分。若檢定統計量落
在此區域，表沒有足夠證據拒絕虛無假說；意味著這
樣的結果落在此域是被預期的。不拒絕域是以（ 1-
α ）表示，某些人會錯誤的以「接受域（ acceptance
region ）」稱之，這樣會造成誤解，因為它只是代表
事件發生的機率。
 顯著性檢定（ test of significance ），視檢定統計量是
否落在臨界域，來建立假說的效度程序。若檢定統計
量落在臨界域，結果便視為顯著。這種檢定有時也稱
為假說檢定（ hypothesis test ）。

42
 為了加強說明以上的定義，以法庭判案再說明。在刑事
法庭中，陪審團的責任是評估原告和被告提出的證據，
進而判斷被告有罪或無辜。依審判規定，陪審團應從兩
個判決中選擇一個，即有罪或無罪。他們的決定可能是
正確或是錯誤，可能有兩種錯誤：宣判無辜的人有罪或
有罪的人無罪。

 法庭審判和顯著性檢定有許多相同之處。藉由顯著性統
計的檢定，可以判斷某一特定主張是否為確實，這樣的
主張通常被設定為虛無假說（ null hypothesis ）， Ho ，
母體的平均數為 μ0 （被告為無罪）。

43
 藉由樣本（證據）獲得資料，並計算檢定統
計量（ test statistic ）（陪審團），及利用它
來判斷是否支持虛無假說（被告為無罪），
樣本為來自平均數為 μ0 的母體，是否支持虛
無假說是以臨界域為基準（審判規定），臨
界域則設立了拒絕或不拒絕虛無假設兩個選
項，因此這個主張無法被支持（被告為有罪
）。若檢定統計量落在非拒絕域
（ nonrejection region ），表示此事生機率
很大，因此這個主張無法被推翻（被告很可
能是無罪）。
44
二、顯著性檢定的依據
 顯著性檢定是藉由資料的證據去判斷是否要
拒絕虛無假說，一般而言，虛無假說為無影
響或沒有差異之猜測，而對立假說
（ alternative hypothesis ）則是有影響或有
差異之猜測。
 為了說明顯著性檢定的基本概念，以檀香山
心臟研究為例，設有人認為整個母體的 7683
名個案之年齡平均數為 53.00 歲，我們應該如
何去證實（拒絕）這個陳述的正確性，可從
抽樣開始，先抽 100 名，假定樣本年齡平均 45
數為 54.85 。
 目前要考慮的問題：「從真實平均數 μ 為 53
的母體中選擇樣本數為 100 ，平均數為 54.85
的可能性為何？」可檢視樣本平均數
（ 54.85 ）的相對位置，在圖 1 中，可以看出
54.85 離母體平均數 53 相當遠的位置。

圖1 樣本平均數之分佈 46
 如果小於顯著水平（雙尾）發生機率，表示
事件不尋常或是統計上顯著。為什麼要考慮
雙尾的面積？因為樣本平均值可能是大於或
小於平均數 μ ，如果接近中央值時，則事件
的發生機率將會相當地高。某事件發生機率
高時，代表統計上不顯著（ not
significant ）。樣本平均數是否距母體平均數
很遠，可利用顯著性檢定獲得解答。

47
三、顯著檢定的程序
 執行顯著性檢定，應依循以下步驟：

1. 列出 H0 ： μ=μ0 vs H1 ： μ1≠μ0
2. 選擇顯著水平 α=αo （通常 α=.05 或 .01 ）

x−µ
3. 計算檢定統計量（ Z 分數）：Z = σ / n

4. 決定臨界域， Z 分佈中兩個尾端各為 α/2

之區域，如圖 2 。
48
5. 若檢定統計量 Z 落在臨界域內，則拒絕虛
無假說。
6. 若檢定統計量 Z 落在非拒絕域內，則無法
拒絕虛無假說。
7. 下結論。

圖2 檢定統計量的臨界域
49
 範例 1

檀香山心臟研究中之樣本 n=100 ，其年齡平均數

=54.85 ，利用顯著性檢定判斷樣本來自平均數為 53
的母體的可能性為何？若 σ=5.50 ，依步驟解答如下：
1. H0 ： μ=53 vs H1 ： μ1≠53
2. 顯著水平 α=0.05

3. 檢定統計量：

4. 臨界域：從 Z 分佈（表 x − µA ）中，可找到雙尾檢定

54.85 − 53 1.85
Z= = = = 3.36
σ / n
α/2=.025 所對應 Z=±1.96 （如圖 3 ）。55 / 100 . 55

50
5. 由步驟 3 得知檢定統計量 Z=3.36 落在臨界
域內（超越 ±1.96 外），所以拒絕樣本來自
於平均數 53 的母體的虛無假說。接受樣本來
自的母體，平均數不等於 53 的對立假說。

圖3 範例 1 之臨
界域 51
 因為發生的機率低於 .05 ，所以可說結果「達 .05 顯著意
義」，實際上 Z=3.36 或以上所對應的機率是更小（小
於 .05 ）。
 計算得到的檢定統計量顯示距離平均數 3.36 個標準差，
即樣本平均數為 54.85 或以上的機率小於 .002 ，由圖中找
到超越 Z=±3.36 的面積之對應的 p 約為
2 （ .5-.4990 ） =2 （ .001 ） =.002 （在表 A 找不到
3.36 ，故以最大數值 3.06 代替，對應的面積 .4990 ）
 p 值為 .002 表示隨機抽出一個樣本，其樣本平均數距母體
平均數有 3.36 個標準差的機率是非常小的──小於 .002 。
也許你會問自己「這是多麼好運或惡運才會得到如此的結
果？」比較合理的結論是：這個樣本可能是來自不同的母
體，其平均數不為 53 。

52
 從範例 1 可知道統計檢定是以 為依據，做為 μ
的估計，估計母體參數 μ 。當 Ho 正確，預期 -μ
值很小：當 H1 正確，則 x -μ 值將很大。比較
x ）的比值──即檢定統計量──便可知
-μ 和 SE （
道 Ho 之合理性。即以檢定統計量落於 Ho 為真時
的 Z 或 t 的抽樣分佈的機率，決定應支持 Ho 或
H1 。又此機率以 p 值（ p value ）表示。 p 值愈
小，表示 Ho 愈可能是錯； p 值愈大，表示 H1 愈
可能是錯。換句話說，當 p 小於 α 時，可以說所
得結果達統計顯著意義。

53
四、單尾檢定和雙尾檢定
 在檢定統計假說時，必須要考慮一個重要問題：「考
慮 和 μ 之差異是單或雙向？」這種考量應該在列出
Ho ， H1 便包含在內。例如若考慮平均年齡和母體年齡
平均數 μ 是否有差異時，應使用雙尾檢定（ two-tailed
test ），因 -μ 之差值可以為正數，亦可為負數。
x
 若考慮平均年齡是否大於母體年齡平均數 μ 時，應使
用單尾檢定（ one-tailed test ）；同樣地，若是只考慮
平均年齡小於 μ ，也是單尾檢定。

54
 55
圖 4 雙尾和單尾檢定
（ α=.05 ）
 若考慮平均年齡是否大於母體年齡平均數 μ 時，應使用
單尾檢定（ one-tailed test ）；同樣地，若是只考慮平
均年齡小於 μ ，也是單尾檢定。

 圖 4 說明每種檢定，圖 4a 為雙尾檢定，虛無假說 Ho ：

μ=μo ，對立假說 H1 ： μ≠μo ，在分佈的兩尾端各為臨界

域 α 的一半面積；如所得檢定統計量落在任一臨界域內
，便拒絕 Ho 。圖 4b 為單尾檢定，檢定虛無假說 Ho ：
μ≦μo ，對立假說 μ>μo ，整個臨界域 α 位於正數方向的
尾端；當檢定統計量夠大落在臨界域時，便拒絕 Ho 。

56
圖
4c 為左邊的單尾檢定，檢定虛無假說 μ≧μo ，整
個臨界域 α 位於負數方向的尾端；當檢定統計量為
負數且落在臨界域時，便拒絕 Ho 。

 單尾檢定可用於以下問題：某一藥是否優於標準藥
品？空氣污染程度是否超過安全限制？戒菸者的死
亡率是否降低？雙尾檢定用於以下問題：男性和女
性的膽固醇含量是否有差異？自願為研究對象者和
一般人口的年齡平均數是否有差異？

57
 範例 2
菸霧警報被設定，當空氣中特定污染物含量超過
7ppm 時，將發出警報。從 16 個測量站收集本，
=7.84 ， s=2.01 ，問樣本資料是否超出警報器設定
x
值？或以機率解釋其結果？

因 σ 未知，以 s 為估計值，故利用 t 檢定
1. H0 ： μ≦7.0 vs H1 ： μ1>7.0
2. α=.05
3. 檢定量：
x − µ 7.84 − 7.0 .84
t= = = = 1.68
s / n 2.01 / 16 .05
58
4. 臨界域：因 H1 ： μ>7.0 表示為單尾檢定，臨
界域為正數方向 α=.05 ，及 15df ，查表得知
t.05=1.753 （見圖 5 ）。
5. 因 t=1.68 < t.05=1.753 未落在臨界域內，故無
法拒絕 Ho ；即沒有充份證據顯示所測之空氣
超出 7ppm 。

圖5 範例 2 的臨界域 59
五、 「統計顯著」的意
義
 研究報告喜歡用結果達統計顯著意義
（ statistical significant ），（ p<.05 ），或
是類似的陳述。是指得到研究結果並非一偶
然事件，並非用抽樣誤差而來。顯著水平
（ significance level ）是任意決定，但常選擇
α=.05, .025, .01 或 .001 ，來表示結果的顯著
程度。顯著水平 α 也是決定拒絕虛無假說可
能錯誤判斷的大小；有些研究者較喜歡根據 p
值來發表他們的結果，然後讓讀者去決定證
據是否充份。
60
 在第 3 節中，因為雙尾檢定，所以為雙倍的
超越 Z=±3.36 之兩尾端面積──即 p<.002 。在
單尾檢定中， p 值則為大於 Z=3.36 之面積，
p<.001 。研究者和統計學者大體上會利用以
下說法來解釋 p 值：

p值 解 釋
p>.05 結果並不顯著；通常不特別加以註記
p<.05 結果為顯著的；通常以一個星號註記
p<.01 結果為顯著的；通常以二個星號註記

61
 有些研究人員喜歡將 p<.10 視為邊際顯著；
「統計顯著意義」表示樣本資料與虛無假說
不一致，故拒絕 Ho 。相反地，若結果為：「
未達顯著統計意義」證明 Ho 為正確。無法拒
絕 Ho 可能是因為樣本數太小，沒有足夠證據
去拒絕 Ho 。「統計顯著意義」不一定表示臨
床上具顯著意義。有時統計上得到的「顯著
」，在生物學上或實際上的影響並不顯著。

62
六、第一型和第二型錯誤
 在前面假說檢定和刑事審判的說明中，提及陪審團
可能犯以下二個其中之一個錯誤：（ 1 ）當被告的
確是無辜時，拒絕無罪的 Ho 或（ 2 ）當被告確實
有罪時，無法拒絕無罪的 Ho 。同樣地，在檢定虛
無假說（ Ho ），可以有以下兩種正確的決定：
1. Ho 為偽且拒絕 Ho ：即證明樣本來自不同的母體，
且此母體的 μ≠μo 。
2. Ho 為真且無法拒絕 Ho ：即觀察得至 μ 和 μo 間的差
異非常小，相對的變異量在合理範圍內。
63
 若你判斷 Ho 為偽，且事實也是如此，表示你做了一個正

確決定；若你判斷 Ho 為偽，而事實上 Ho 為真，此事件

發生的機率固定為 α ，即觸犯第一型錯誤（ type I
error ）或 α 錯誤（ α error ）──推翻正確虛無假說，好
比法院審判中將無辜的人判定有罪。若 Ho 為真時，當判
斷 Ho 為正確，也做了一個正確決定；若 Ho 為偽時，而
判斷 Ho 為正確，這樣的情況發生機率為 β ，可以說觸犯
了第二型錯誤（ type II error ）或稱 β 錯誤（ β error ）─
─接受一個錯誤的對立假說，如同法院審判將有罪的人
判定為無罪。這兩種型錯誤總結如圖 6 。

64
圖6 假說檢定中可能的錯誤

65
 在假說檢定中，在 Ho 先定 μo 為某參數的特定值，如果 Ho
為真，但依樣本結果判斷拒絕 Ho ，便犯了第一型錯誤。
若 Ho 是不正確，卻依樣本的結果接受 Ho ，便犯了第二型
錯誤。因此，可以說第一型錯誤是拒絕正確的虛無假說之
機率，第二型錯誤是無法拒絕錯誤的虛無假說之機率。

 將這個檢定應用在檀香山心臟研究，母體年齡平均數
μ=54.36 。假定並未知道母體年齡平均數，猜測 μ 為 53 ，
虛無假說 μ=53 的分佈中上臨界點為 53.90 ，因為

α=.5 ，單尾時， Z=1.645 ，所以

x − 53
1.645 =
5.5 / 100
66
 以上便得到=53.90 ，圖 7 說明當樣本平均低於 53.90 時，
即便不能拒絕錯誤的 Ho （ μ=53 ）。 β 錯誤則是 =53.90
左邊的面積。 為 53.90 ， s 為 5.5 ，樣本數為 100 ，面積所
對應的：

53.90 − 54.36 − .46

Z= = = −.84
5.5。
 利用表 A ，可得 β=.20 / 100 .55
 在圖 7 中可以看到拒絕錯誤的 Ho 之機率為 80% （ 1-
β=.80 ）。 1-β 稱為統計檢定之檢力（ power of a test ）。

67
當Ho 為偽時，拒絕 Ho 之機率。一般而言，統
計學家嘗試設計高檢力的統計檢定，（即 β
很小，如 .2 或 .1 ）。又可從圖 7 中，要達到
這個目的，可以降低顯著水平 α ，從 .1 降低
到 .05 ，或是增加樣本數。

圖7 樣本平均數 μo=53 和 μ=54.36 之分佈

68
 從前面的討論，清楚知道 α 水平表示第一型
錯誤之機率， β 表示第二型錯誤之機率；這
兩型錯誤之間有倒數的關係。在圖 7 中， α
愈小， β 則愈大。這是因為臨界域往右移動
一些， β 的面積為臨界點左點的面積就增加
，若要同時減少 α 和 β 錯誤，唯一的方法是
減少重疊的部份──即兩分佈相同的範圍之面
積。可以利用增加樣本數來達成，因 sx =s/√n
的減小，會使樣本分佈變窄。

69
七、兩個獨立樣本平均數的顯
著
性檢定
 在之前已學到比較不同樣本之平均數，因為 σ
很少是已知的，以 Sp( 母體平均數估計，公式 9) 代替，
便可計算檢定統計量：
x1 − x2 − ( µ1 − µ 2 )
t= （公式1)
s p 1 / n1 + 1 / n2

 其自由度為
n1+n2-2 。這個檢定統計量可以比
較兩個樣本平均數之差 1- 2 （母體平均數之
差的估計值）和未知母體平均數之差 μ1-μ2 。
在虛無假說為真時，兩平均數之差 μ1-μ2 為零
70
，因此公式 1 中 μ1-μ2 可以拿掉。
以 母體平均數估計單元中範例 2 作說明，若隨機樣本
n1=25 為來自慢跑者的母體，最大 VO2 攝取量平
均 1 為 47.5ml/kg 和 s1=4.8 ；另一隨機樣本是來自非慢
跑的母體，其 n2=26 ，最大 VO2 攝取量平均 2 為
37.5ml/kg 和 s2=5.1 。試問兩者之差異是否達統計顯著意
義，或只是因抽到不同樣本？其運算步驟如下：
1. H0 ： μ1=μ2 vs. H1 ： μ1≠μ2
μ1=μ2 可寫成 μ1-μ2=0 ；所以另一種寫法為
2. H0 ： μ1-μ2=0 vs. H1 ： μ1-μ2≠0
顯著水平 α=0.01

71
3. 為求出檢定統計量時，先利用公式計算 sp ：

s12 (n1 − 1) + s22 (n2 − 1)

sp =
n1 + n2 − 2

(4.8) 2 (24) + (5.1) 2 (25) 1203.21

= =
25 + 26 − 2 49

= 24.56 = 4.96

72
4. 利用公式 1 計算檢定統計量，將 μ1-μ2 拿掉，
因 μ1-μ2=0 ：
x1 − x2 − 0
t= （公式2)
s p 1 / n1 + 1 / n2

47.5 − 37.5 − 0
=
4.96 1 / 25 + 1 / 26

10.00
= = 7.2
1.39
73
5. 其中 t 之自由度為 n1+n2-2=49 及臨界域的位
置如圖 8 所示。因為是雙尾檢定，查表 B 的
直欄所示之 α=.01/2=.005 ，可找到 t=2.68 。
6. 由上式計算 t 值為 7.2 落在臨界域中，所以
拒絕虛無假說，即以 VO2 攝取量為體能狀況
之測量，判斷慢跑者體能狀況顯著地優於非
慢跑者。

圖8 檢定統計量的臨界域 74
 很多初學統計的人，常將公式 2 （比較兩個平均差
異）及 p85. 之配對 t 混淆。公式 2 比較兩個獨立
樣本的平均數有沒有差異；而配對 t 則是檢定兩樣
本為非獨立時平均有沒有差異。配對 t 的做法是將
兩組數據用相減的方式降為單一母體統計量的問題
，檢定統計量之計算如下：
d −0
t= （公 式3)
sd / n
 其中自由度為 n-1 。 d 為 x （前）和 x’ （後）差異
的平均數； sd 為 x 和 x’ 差的標準差；而虛無假說設
定實驗前平均數和實驗後平均數沒有差異即 x-
x’=0 。公式 3 便是配對 t 檢定之公式。
75
八、顯著檢定和信賴區間的關
係
 信賴區間也受 Z 或 t 的統計量所影響，所以大致會
猜測顯著性檢定所的的結果，與採用信賴區間所得
的結果會相同。事實上，在雙尾檢定時，兩者的結
果是一樣。在比較慢跑者和非慢跑者的 VO2 攝取
量平均數的例子中，用假說檢定，結論是兩組平均
數顯著不同。而 μ1-μ2 之 99% 信賴區間為 6.42 和
13.58 ，並不包含虛無假說平均數之差 =0 ，因此可
以下結論，兩組平均數的差異不可能因為抽樣不同
而來；注意兩信賴區間界限均為正數，有 99% 信
賴程度其差異介於 6.42 和 13.58 之間，有很高機率
不包含 0 。
76
 一般而言，以下有兩種方式藉由信賴區間判斷其
差異是否為顯著：
1. 當假說平均之差異如 μ1-μ2=0 包含在信賴區間內
，則 Ho 無法被拒絕。
2. 當假設平均之差異並不包含在信賴區間內，則拒
絕 Ho 。
 到目前為止，我們介紹過比較從單一樣本平均數
與母體平均數有沒有差異個及兩或是對兩樣本平
均數有沒有差異的顯著性檢定。事實上，也可以
同時比較三個或以上的樣本平均數，將於往後章
節介紹這種統計檢定。
77
九、推導公式摘要表

表
1 為綜合介紹過的信賴區間和檢定統
計量的公式，方便查閱。

78
 79

表 1 各參數之信賴區間和檢定統計量公式摘要表
十、靈敏度和特異度
 很多時候對病人診斷都是根據臨床檢驗測量
的結果。很常見的是，測量結果對於臨床上
正常和疾病病患都有很寬的範圍；這是因為
沒有一個清楚的界限去劃清正常或有病的狀
態。有可能正常的人被診斷為有病，有病的
病人卻被診斷為正常。

80
 為了能夠區分受檢者有病或沒病，需對臨床檢
驗值設定一切點。當臨床測量數值在異常範圍
內，便認為此人有病；當臨床測量值落在正常
範圍內時，診斷此人為正常。若拒絕虛無假說
，可能觸犯以下二個錯誤：

1. 當受檢者正常時，被診斷為有病（稱假陽性，
false positive ）。
2. 當受檢者有病時，被診斷為沒病（稱假陰性，
false negative ）。

81
 下面說明了診斷錯誤如何發生：

 其中 c 為假陰性， b 為假陽性。

82
 在比較不同之臨床檢驗或篩檢試驗的效度時，常使用
靈敏度和特異度來表達。靈敏度（ sensitivity ）是在
有病人的人中檢查結果為陽

性的機率，從表中所示，可得： a
靈敏度 =
a+c
 特異度（ specificity ）是在沒病的人中檢查結

果為陰性的機率，即是：
 從上表中可看出這兩個機率及假陰性和假陽性之間的 d
特異度 =
關係；假陰性之機率為 1 減靈敏度，假陽性之機率為 b+d 1
減特異度。

83
 範例 3
在一糖尿病的篩檢計畫，以血糖值 125mg/100ml 為切點，超過
此值則視為糖尿病患者，低於此值則為正常者。利用表 2 所示
，從 100 名受檢者中，計算此篩檢試的靈敏度和特異度。

a 5
靈敏度 = = 100 × = 83.3%（假陰性為16.7%）
a+c 6
 即以 125g/100ml 為切點作篩檢，靈敏度為 83.3% 和特異度為
86.2% ；也就是說平均有 d 16.7%81 的人確實患有糖尿病但檢查結
果為正常，而 =
特異度13.8% = 100 × = 86.2%（假陰性為13.8%）
為正常但檢查結果為糖尿病者。
b+d 94

84
 因靈敏度和特異度均為二項機率，可以利用
表 1 所示之公式計算標準差和信賴區間。

85
 結論

顯著性檢定是判斷虛無假說的母體參數（如 μ1 或
μ1 － μ2 ）值之合理性。從研究問題本身便可決定
應使用單尾或雙尾檢定。假說檢定的程序包括設定
虛無和對立假說，利用何種檢定方法及顯著水平。
決定了顯著水平，就等於決定了臨界域，與計算得
之檢定統計量作比較，便可下結論。若檢定統計量
落在臨界域，便拒絕虛無假說或無法拒絕對立假說
；若其值落在臨界域以外，則無法拒絕虛無假說或
無法「接受」對立假說。

86
 若檢定統計量落在臨界域，便拒絕虛無假說或無法拒
絕對立假說；若其值落在臨界域以外，則無法拒絕虛
無假說或無法「接受」對立假說。前者表示有足夠證
據支持對立假說；後者表示沒有充分證據支持對立假
說。當 p 值很小時，小於 α ，可以說結果具統計顯著
意義。在執行假說檢定時，可能會觸犯兩種錯誤，拒
絕正確的虛無假說，便犯了第一型錯誤（ α 錯誤）；
而接受錯誤的虛無假說時，便犯了第二型錯誤（ β 錯
誤）。若不想計算臨界域，可以直接計算 p 時， p 值
的意義是當虛無假說為真，觀察到此樣本或更極端之
機率。

87